论文部分内容阅读
要视频目标跟踪是计算机视觉重要的研究课题，在视频监控、人机交互等方面有广泛应用前景。本文提出了一种新颖的基于在线神经网络的视频目标跟踪框架。我们采用卷积神经网络作为特征提取网络，与一般的卷积神经网络不同的是，我们所设计的网络采用非固定大小的卷积核，可以获取更加丰富的视频目标外观信息；同时我们引入背景学习方法，将目标与其局部时空背景统一作为特征图像进行整体处理，从而可以使神经网络更好地挖掘视频序列之间的时空联系。通过RBF神经网络作为位置预测网络，并利用RBF核来记忆学习到的局部时空背景特征，通过在线更新来适应物体外观及周边局部背景的变化。在我们的框架中不需要进行耗时的密集采样，使得跟踪算法具备较高的实时性。在通用的测试平台上具有挑战性的测试视频上运行的实验结果表明，我们的算法可以有效、稳定运行，并保持高的成功率和运行精度。